[发明专利]基于机器学习的交通流短时预测方法在审
| 申请号： | 201910539753.2 | 申请日： | 2019-06-20 |
| 公开（公告）号： | CN110276949A | 公开（公告）日： | 2019-09-24 |
| 发明（设计）人： | 王翔;周瑞祥;王茜;昝雨尧;孟世维;周怡雯;郑思远 | 申请（专利权）人： | 苏州大学 |
| 主分类号： | G08G1/01 | 分类号： | G08G1/01 |
| 代理公司： | 宁波高新区核心力专利代理事务所(普通合伙) 33273 | 代理人： | 袁丽花 |
| 地址： | 215000 *** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于机器学习的交通流短时预测方法，所述方法包括：S1、采集地感线圈数据；S2、将地感线圈数据按照线圈组的网络拓扑关系划分为不同类型的断面，并基于Daganzo模型对不同类型的断面进行交通流参数标定；S3、选取时空关联关系为特征向量；S4、以特征向量为LSTM模型的输入特征，分别对不同类型的断面进行速度值短时预测。本发明基于机器学习的交通流短时预测方法通过对断面进行分类，根据预测节点的上下游节点的历史交通流特征，采用LSTM模型进行速度预测，保证预测精度和预测速度。 | ||
| 搜索关键词： | 预测 基于机器 交通流 地感线圈 特征向量 网络拓扑关系 交通流参数 历史交通流 关联关系 输入特征 速度预测 线圈组 标定 学习 采集 时空 分类 保证 | ||
【主权项】：
1.一种基于机器学习的交通流短时预测方法，其特征在于，所述方法包括：S1、采集地感线圈数据；S2、将地感线圈数据按照线圈组的网络拓扑关系划分为不同类型的断面，并基于Daganzo模型对不同类型的断面进行交通流参数标定；S3、选取时空关联关系为特征向量；S4、以特征向量为LSTM模型的输入特征，分别对不同类型的断面进行速度值短时预测。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于苏州大学，未经苏州大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910539753.2/，转载请声明来源钻瓜专利网。
